基于时空增强双分支图卷积网络的骨骼行为识别

打开文本图片集

摘要：针对现有基于骨骼行为识别的图卷积的方法存在关节划分固定、重视空间信息而忽视时间信息并且网络参数量较高等问题。首先引入对称关节的信息，增加对称动作的交互特征；其次，加入多尺度金字塔（Multi-scalePyramid， MSP）时间图卷积模块，形成双分支（Dual-branch， DB）的网络结构，提高网络对时间维度的信息提取能力；最后，本研究利用特征映射和空间聚合（Feature Mapping and Spatial Aggregation，FM-SA），在保留原始拓扑结构信息的前提下，过滤了权重矩阵中的冗余部分，并添加了挤压-激励（Squeeze-and-Excitation，SE）模块，从而有效提升了空间特征的提取能力和特征图的表达能力。（剩余15144字）